基于全方位视觉的移动机器人定位与建图算法设计开题报告

1. 研究目的与意义

1.1 研究背景

机器人的诞生与发展可以说是20世纪人类科技进步的一大重要成果，它促进了社会的发展并且改善了生活质量水平。移动机器人是一种智能机器人，它通过自己的传感器检测环境并分析传感器收集的数据，以生成相应的控制策略以实现自主和安全的运动。由于传感器技术，图像处理技术，控制技术等技术的进步，移动机器人技术的研究已涵盖了更多的实践和商业研究领域。智能移动机器人已逐渐应用于各类场合，比如道路自动驾驶，仓库货物搬运，护士站防疫，车间安全巡视等等，这些智能机器人都具有自主导航定位功能。

实现自主导航的机器人既需要自身的位姿信息，也需要周围的环境信息，而slam 的环境地图构建则能够同时获取这两种信息。得益于计算机硬件与计算机视觉的进步，图像的实时处理取得了巨大的成功，基于视觉相机的slam逐渐受到人们的关注。

2. 研究内容和预期目标

2.1 研究内容（1） 研究移动机器人的机械本体结构。

（2） 研究机器人状态估计算法。

（3） 研究经典slam架构与视觉slam框架。

3. 研究的方法与步骤

3.1研究方法（1）查阅相关资料和文献，了解国内外基于全方位视觉的移动机器人定位与建图算法发展现状，从中整理和总结出实现方法，为课题研究做好充分准备。

（2）通过学习视觉slam，概率论知识，ros开发的相关知识，为后续算法的复现与优化提供基础。

（3）实践：研究优化slam算法，进行仿真实验，验证算法可行性。

4. 参考文献

[1]杨立闯,马杰,马鹏飞,王旭娇,王楠楠.基于改进ORB算法的VSLAM特征匹配算法研究[J].河北工业大学学报,2020,49(02):45-52.[2]罗海. 基于视觉的SLAM技术研究及应用[D].江汉大学,2020.[3]宁瑞忻. 室内机器人视觉定位与建图[D].杭州电子科技大学,2020.[4]周梦妮,张国伟,卢秋红,吉志鹏,宋孟良,纪栋梁.基于RGB-D传感器的同步定位与建图方法研究[J].机械工程师,2020(03):33-36.[5]潘鸿韬. 基于RGB-D的视觉SLAM算法研究与应用[D].电子科技大学,2020.[6]吴家伟,潘凤琳,胡合斌.VSLAM的研究与发展[J].单片机与嵌入式系统应用,2019,19(09):4-7 11.[7]陆建伟. 基于视觉的ORB-ISM室内同时定位与建图研究[D].太原理工大学,2019.[8]陈孝森. 基于深度视觉的室内移动机器人即时定位与建图研究[D].哈尔滨工程大学,2019.[9]王占胜. 基于Kinect的同时定位与建图技术研究[D].天津大学,2018.[10]高翔,张涛. 视觉SLAM十四讲. 电子工业出版社. 2019.[11]TimothyD. Barfoot. 机器人学中的状态估计. 西安交通大学出版设. 2018.[12]Mur-Artal R, Tardos J D. ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras[J]. IEEE Transactions on Robotics, 2016, PP(99):1-8. [9].[13] Endres F, Hess J, Sturm J, et al. 3-D Mapping With an RGB-D Camera[J]. IEEE Transactions on Robotics, 2014, 30(1):177-187.[14] Klein, Georg, Murray,et al. Parallel Tracking and Mapping for Small AR Workspaces[J]. Proc Ismar, 2007:1-10.[15] Engel J, Schps T, Cremers D. LSD-SLAM: Large-Scale Direct Monocular SLAM[J]. 2014, 8690:834-849.[16] Forster C, Pizzoli M, Scaramuzza D. SVO: Fast semi-direct monocular visual odometry[C]// IEEE International Conference on Robotics and Automation. IEEE, 2014:15-22.

5. 计划与进度安排

(1) 2022.1.1—2022.1.15 课题调研，了解相关技术和要求，提交开题报告；(2) 2022.1.16--2022.3.15 学习视觉SLAM与概率论相关知识；(3) 2022.1.16--2022.2.28 构建论文结构与框架；(4) 2022.3.1--2022.3.31 进行仿真实验与建图实验，验证算法效果；(5) 2022.4.1--2022.4.31 实验分析，数据整理，完成论文初稿；(6) 2022.5.4--2022.5.24 论文完善、修改；(7) 2022.5.25--2022.6.7 预答辩； (8) 2022.6.8--2022.6.10 完成答辩准备工作并进行论文答辩。